前言

我们在 Training 的过程的中，一个很重要的 Part 就是如何出一个 Powerful、Useful 以及 Effcient 的 Model，但另一个很重要的 Part 就是我们对 dataset 的处理。举个例子来说，如果我们的 dtaset不够多，我们可以透过一些技巧来增加我们的 dataset 数量，像是一些 argumentation 的方法，而这一部份延伸出去又可以探讨这些argumentation 的方法是要在 CPU 上执行还是在 GPU 上执行更有效率等等议题;又或者说，如果我们今天的 dataset 真的很大怎麽办QQQ，可能全部 dataset 取出来的时候就已经超过 GPU 记忆体大小了QQQQQQQ 那我们可能可以考虑用 CPU 的 RAM 或者用 PICKLE 的方式去存取这个资料等等。
另外，除了如何使用 data argumentation 的技巧来增加我们 Training dataset，以及比较了一些常见的 data argumentation 在 CPU 上以及 GPU 上执行的效率差别，另一个问题是大型的 Dataset,这类的 Dataset 不是小小的像是 MNIST，而是向 ImageNet 这样的大型 Dataset，我们也要来记须说明一些大型Dataset可以使用的处理方法